移動機(jī)器人同時定位與地圖創(chuàng)建研究.pdf

1、在未知環(huán)境下，移動機(jī)器人要實(shí)現(xiàn)自主探索，必須具備對環(huán)境的感知、理解和完成自身定位的能力，也就是所謂的同時定位與地圖創(chuàng)建(SLAM)能力。移動機(jī)器人的同時定位與地圖創(chuàng)建是當(dāng)前移動機(jī)器人研究領(lǐng)域的熱點(diǎn)，是實(shí)現(xiàn)移動機(jī)器人完全自主導(dǎo)航的關(guān)鍵。本文主要對未知靜態(tài)環(huán)境下的移動機(jī)器人同時定位與地圖創(chuàng)建進(jìn)行研究，具體內(nèi)容如下： 首先，對移動機(jī)器人的定位和地圖創(chuàng)建技術(shù)進(jìn)行了綜述，詳細(xì)介紹了移動機(jī)器人的同時定位與地圖創(chuàng)建實(shí)現(xiàn)方法，并指出解決SLAM

2、問題的關(guān)鍵。 其次，構(gòu)建了一個SLAM系統(tǒng)框架，并對其各部分進(jìn)行了詳細(xì)的分析和設(shè)計(jì)，為后續(xù)的理論研究和實(shí)驗(yàn)設(shè)計(jì)提供了指導(dǎo)。 再次，在所構(gòu)建的框架下，對基于擴(kuò)展卡爾曼濾波的SLAM方法(EKF-SLAM)進(jìn)行了研究，給出了EKF-SLAM算法實(shí)現(xiàn)的詳細(xì)過程，并進(jìn)行了基于點(diǎn)特征的EKF-SLAM仿真，仿真實(shí)驗(yàn)證明了該框架的完整性和可實(shí)現(xiàn)性。針對EKF-SLAM算法需要對系統(tǒng)狀態(tài)模型和觀測模型線性化導(dǎo)致引入截?cái)嗾`差、每個采樣周

3、期都要計(jì)算Jacobian矩陣的缺點(diǎn)，研究了基于無跡卡爾曼濾波(UKF)的SLAM算法，并進(jìn)行了對比實(shí)驗(yàn)，證明了UKF-SLAM算法的有效性。 最后，針對移動機(jī)器人運(yùn)動學(xué)模型建立過程中，忽略了地面狀況、傳感器精度等不確定性因素而導(dǎo)致數(shù)學(xué)模型不精確的問題，提出了基于EKF神經(jīng)網(wǎng)絡(luò)的模型誤差補(bǔ)償方法。該方法利用神經(jīng)網(wǎng)絡(luò)函數(shù)代替系統(tǒng)誤差模型，通過運(yùn)用EKF算法對權(quán)值和狀態(tài)的增廣向量進(jìn)行不斷的預(yù)測和更新，實(shí)現(xiàn)狀態(tài)估計(jì)的同時完成了對神經(jīng)網(wǎng)